典型文献
基于深度学习的无人机飞行轨迹及地质勘测研究
文献摘要：
为了对无人机的飞行轨迹及地质灾害勘测进行研究,首先基于深度学习、无人机等相关理论,对无人机飞行高度、图像分辨率以及地质勘测所消耗时间三者之间的关系进行分析;其次将卷积神经网络模型应用于地质勘测图像精度研究中;最后引入Sigmoid算法对无人机的飞行轨迹进行分析.结果表明:无人机的飞行高度与图像分辨率成反比、与地质勘测所用时间成正比.在同一高度、不同控制点的情况下,卷积神经网络模型能够缩小数据的点位误差以及高程误差,并且随着控制点的增多,精确度也会越来越高.将Sigmoid算法引入无人机的姿态控制以及速度控制中,能够将姿态控制的误差限制在-0.5～1之间,速度控制误差限制在-0.3～0.3之间,可见不管是卷积神经网络模型还是Sigmoid算法都对无人机的发展具有优化作用.因此,深度学习下飞行轨迹规划以及地质灾害勘测,对无人机的快速发展具有很大的参考意义.
文献关键词：
无人驾驶飞机;深度学习;轨迹规划;地质灾害勘测
中图分类号：
作者姓名：
黄志都;崔志美
作者机构：
广西电网有限责任公司 电力科学研究院,广西 南宁 530000
文献出处：
引用格式：
[1]黄志都;崔志美-.基于深度学习的无人机飞行轨迹及地质勘测研究)[J].计算技术与自动化,2022(04):12-20
A类：
地质灾害勘测
B类：
无人机飞行,飞行轨迹,地质勘测,飞行高度,图像分辨率,耗时间,卷积神经网络模型,模型应用,Sigmoid,成反比,成正比,控制点,小数据,点位误差,高程误差,姿态控制,速度控制,不管,优化作用,轨迹规划,无人驾驶飞机
AB值：
0.219594
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
